论文部分内容阅读
由于电力能耗数据各分量的交叉影响,单一的模型很难实现准确的预测。论文提出一种基于STL(Seasonal and Trend decomposition using Loess)时间序列分解与支持向量回归的短期电力能耗预测算法,首先使用STL时间序列分解算法将电力能耗数据分解为趋势项、周期项与余项,之后使用支持向量回归模型分别对趋势项与周期项进行预测,抛弃余项,最后整合趋势项与周期项得到最终的预测结果。实验表明,与单一的支持向量回归模型相比,有效提升了预测精度。